学习原始关系用于组合零样本学习
计算机视觉与模式识别
2025-01-27 v1 人工智能
摘要
组合零样本学习（CZSL）旨在通过利用从已见组合中学习的知识来识别未见的状态-对象组合。现有方法常独立预测状态和对象，忽略它们之间的关系。本文提出了一种新框架，即学习原始关系（LPR），旨在以概率方式捕获状态与对象之间的关系。通过采用跨注意力机制，LPR考虑到状态与对象之间的依赖性，使模型能够推断未见组合的可能性。实验结果表明，LPR在所有三个CZSL基准数据集上的闭合世界和开放世界设置中均优于最先进的方法。通过定性分析，我们展示了LPR如何利用状态-对象关系进行未见组合预测。
引用
@article{arxiv.2501.14308,
title = {Learning Primitive Relations for Compositional Zero-Shot Learning},
author = {Insu Lee and Jiseob Kim and Kyuhong Shim and Byonghyo Shim},
journal= {arXiv preprint arXiv:2501.14308},
year = {2025}
}
备注
Accepted to ICASSP 2025